1. 引子
我们虽然身处 AI 时代，但，很多人还没有真正采用 AI 时代的学习方式！
本文，用最近亲历的一件事，给大家分享一下自己的思考。
Cherry Studio 的内测版本新增了「API 服务器」 的功能，但是官方文档还没有给出说明。
很多敏锐的 Cherry Studio 官方认证讲师已经关注到这个功能。
好几个讲师提出疑问。
我仅用了两三分钟快速搞定了这个问题。
大家可以不用关注具体具体细节，感兴趣了解一下解决问题的思路即可。
2. 解决方法
下面分享一下自己的思路和用到的工具。
既然， Cherry Studio 是个开源项目。
官方文档没有，我们看源码中是否已经有了该功能。
Github 地址：https://github.com/CherryHQ/cherry-studio
界面上有很多关键字，直接在源码中搜索关键字就可以快速定位到该功能。
其实，有了 AI 这一步甚至都可以不用做，直接提问即可。
我们直接对着仓库提问：
"新增 API 服务器功能，支持外部应用集成"对应的代码在哪里
Cursor 快速帮我们定位到相关的代码。
分析得一清二楚。
还非常贴心地给出了 Curl 调用方式。
如果没有给出来，也可以直接要求大模型给出 Curl 调用方式。
# 获取可用模型
curl -H"Authorization: Bearer your-api-key"\
http://localhost:23333/v1/models
# 发送聊天请求
curl -X POST http://localhost:23333/v1/chat/completions \
-H"Authorization: Bearer your-api-key"\
-H"Content-Type: application/json"\
-d'{
"model": "openai:gpt-4",
"messages": [{"role": "user", "content": "Hello!"}]
}'
# 获取 MCP 服务器列表
curl -H"Authorization: Bearer your-api-key"\
http://localhost:23333/v1/mcps
我们只需要替换自己的 api-key 即可。
我们先在软件中启动 API 服务器。
替换成我们自己的 Key 以后，确实成功获取到了模型信息。
我们对硅基流动的 Kimi-K2-Instruct 发起请求，发现一切正常。
获取已经开启的 MCP 服务也一切正常。
结果和解决问题的过程也分享到了群里。
也得到了某位网友的谬赞。
或许，这就是讲师群的价值，大家相互交流，一起成长！
3. 思考
3.1 上下文工程
现在模型越来越强大。
很多场景下却的不是能力，而是上下文！
上下文可能包括系统提示词/用户提示词/文档/源码等。
我们只需要提供清晰/准确的上下文，AI 就可以更好地帮助我们解决问题。
3.2 AI First
以前很多人说“知易行难”。
其实，在 AI 时代早期，很多事反而是“知难行易”。
我和“至一”同学聊这个问题，她提到一个观察很有意思：
很多人把AI当做领域绝缘的知识。
在一个领域会用，换个领域就不会了。
现在这个很魔幻。
甚至，很多 AI 时代的知名的 AI 产品，都无法通过提问的方式（来高效“阅读”他们的文档），解决问题。
有时候，我自己扒下文档搞成知识库，用 AI 提问，效率翻倍！
说到底，很多人习惯于用传统的方式解决问题，还没有真正养成“AI First” 的习惯。
3.3 方法比努力更重要
我一直认为方法比努力更重要。
去年参加软考高级架构师和系统分析师考试。
我购买了某赛的视频，加上搞了几个智能体快速理解相关知识等。
用了极少的时间，一次通过。（改天单独写一篇）
也看到很多同学花费更多时间，考试前还在那痛苦地背诵论文，考了两三次都没有通过。
之前参加孤尽老师（《阿里巴巴 Java 开发手册》/《码出高效》作者）的 DIY 班。
有幸成为最后十几个“考核通过”的同学。
孤尽老师就提到“快速学习的能力”，“学习如何学习的能力”。
在 AI 的时代，快速高效学习和终身学习的能力可能更加重要。
4. 总结
或许，很多人会认为“这方法也不难啊”。
有时候，并不是难不难的问题。
而是，你是否真正养成了“AI First” 的思维方式。
甚至用不用 AI 都不重要，重要的是，是否能快速解决问题。
希望，本文对大家有启发。
